機械学習・ディープラーニングを使った自然言語処理の基礎と応用

機械学習・ディープラーニング、自然言語処理の
基礎知識から実際の応用までを、実例を交えて解説

国内外最先端の研究成果や、GAFAでの実応用例なども
合わせて紹介


講師


東北大学 大学院情報科学研究科 准教授 博士(工学) 鈴木 潤 先生

■ 主経歴
2001年 日本電信電話株式会社入社 コミュニケーション科学基礎研究所にて
 自然言語処理・機械学習・人工知能の研究に従事
2008年 Massachusetts Institute of Technology Computer Science and
Artificial Intelligence Lab. (MIT CSAIL) 客員研究員 (2009年10月まで)
2011年 慶應義塾大学 理工学部 管理工学科 非常勤講師(前期のみ,2017年まで)
2017年 理化学研究所 革新知能統合研究センター 客員研究員を兼務 (継続中)
2018年 東北大学 大学院情報科学研究科 准教授
2018年 日本電信電話株式会社 コミュニケーション科学基礎研究所
リサーチプロフェッサーを兼務(継続中)

■ 専門・得意分野
自然言語処理・機械学習・人工知能の研究開発

■ 本テーマ関連の学会・協会等での委員会活動など
一般社団法人言語処理学会 代議員(2018-2021)
言語処理学会 会誌編集委員会委員(2013, 2014)
言語処理学会 第24回,25回年次大会プログラム委員(2017, 2018)
Computational Linguistics Journal Editorial Board(2015-2017)


受講料


1名46,440円(税込(消費税8%)、資料・昼食付)
*1社2名以上同時申込の場合 、1名につき35,640円
*学校法人割引 ;学生、教員のご参加は受講料50%割引。


セミナーポイント


■ 講座のポイント
 人工知能(AI)への社会的な関心の高まりにより,新聞やテレビで「人工知能(AI)」という言葉が使われない日はない,というほど一般社会へも人工知能(AI)という用語が浸透していると思います.
 本講座では,現在の人工知能技術の中心的な役割を担っている深層学習(ディープラーニング)により,人間が日常使う言葉(自然言語)をコンピュータがどこまで扱えるようになってきているかという話題について,機械学習,自然言語処理の基礎知識から実際の実応用までを実例を交えて解説します.また,参考知識として,世界最高峰の国際会議でこの一年の間に議論されている最先端の研究成果や,知り得る範囲でのGAFA(グーグル,アップル、フェイスブック,アマゾン)での実応用例なども合わせて紹介したいと思います.
 第1部では,全体の概要として,それぞれ関連する研究分野である人工知能,自然言語処理,機械学習の位置付けと最近の動向,および取り巻く環境について概略を述べたいと思います.
 第2部,第3部では,自然言語処理と機械学習の基礎を説明します.
 第4部では,機械学習の一手法として最近の良く聞かれる深層学習(ディープラーニング)に関して,主に,「深層学習とはどのような特徴を持つか」について簡単に解説します.
 第5部では,深層学習を用いた自然言語の意味表現について説明します.
 第6部では,深層学習を用いた自然言語処理の実社会応用例を紹介します.
 最後に,第7部では,現在インターネット上に公開されていて誰でも利用可能なプログラムやデータ,簡単な利用例について可能な範囲で紹介します.

■ 受講後、習得できること

・自然言語処理の基礎知識
・機械学習・深層学習の基礎知識
・人工知能/自然言語処理/機械学習研究分野の最近の研究動向
・ディープラーニングを使った自然言語処理技術の応用例の現状


セミナー内容


1.導入:人工知能/自然言語処理/機械学習
 1.1 人工知能,自然言語処理,機械学習の位置付け
 1.2 人工知能,自然言語処理,機械学習の研究分野における最近の動向
 1.3 産業応用例
 1.4 国の人工知能関連施策の動向など

2.自然言語処理の基礎
 2.1 文章の解析:形態素,構文,意味,文脈の解析
 2.2 文章の生成:言語モデル

3.機械学習の基礎
 3.1 典型的な例:文書分類問題
 3.2 データから学ぶ:教師あり学習,教師なし学習
 3.3 最適化
 3.4 発展問題:時系列予測,構造予測モデルの学習

4.深層学習(ディープラーニング)の基礎
 4.1 深層学習とは
 4.2 「深層」ではない学習との違い
 4.3 深層学習の特徴(得意,不得意)
 4.4 なぜ注目されているのか
 4.4 うまくいく例,うまくいかない例

5.深層学習時代における自然言語の意味表現
 5.1 単語埋め込みベクトル
 5.2 単語の意味演算(king ? man + woman = ???)
 5.3 ニューラル言語モデル
 5.4 条件付きニューラル言語モデル(Encoder-decoderモデル)

6.深層学習を用いた自然言語処理の実社会応用例
 6.1 翻訳(例:英語の文章から日本語の文章への自動変換)
 6.2 文書要約(例:ニュース記事からのヘッドライン生成)
 6.3 文書校正(例:英文ライティング時の文法自動誤り訂正)
 6.4 対話(例:チャットボット,コールセンター受付の自動振り分け)
 6.5 画像からの説明文生成(例:写真に対する場面説明)

7.資料編
 7.1 インターネット上に無償公開されているツール/プログラム集
 7.2 インターネット上に無償公開されているデータ集
 7.3 書籍類,資料集,関連イベントなど

(質疑応答)